多层级视频会议系统跨网段融合技术的应用

通过介绍天津市地震局应急视频会议系统接入中国地震局视频会议系统、天津市政府视频系统和天津应急管理局视频系统的基本情况,结合地震应急视频会议系统现状,分析多类型、多层级、多网段视频会议系统的架构特点,着重介绍了多网段、多视频源视频转发优化技术在视频会议系统融合中的应用。通过该技术的应用,实现了天津市地震应急视频会议系统与各相关单位视频会议系统的全部连通。

产能分享平台企业的盈利模式选择与定价研究

在分享经济背景下,考虑交叉网络外部性效用及平台匹配率,研究产能分享平台的盈利模式选择与定价问题。基于两阶段博弈方法,分析并比较了平台在利润最大化和社会福利最大化条件下选择服务费模式与注册费模式时获得的最大利润。研究发现,在目标时间段内,当平台以利润最大化为目标时,多数情况下选择注册费模式获得的最大利润高于选择服务费模式获得的利润。在特定条件下,也存在平台采取两种盈利模式会获得相同利润的情况。此外,平台最大利润在一定条件下与交叉网络外部性系数和平台对制造能力供应方的匹配率正相关,与对制造能力需求方的匹配率负相关。当平台以社会福利最大化为目标时,选择服务费模式获得的利润高于选择注册费模式时的利润。最后,通过数值算例对上述结果进行了验证。

面向质量和交货期的产能分享平台审核策略研究

通过构建双边市场模型探索产能分享平台的审核策略。研究表明:当产能需求方仅对质量敏感,排除低质量产能供应方比仅根据质量对产能供应方分级更利于平台盈利;当产能需求方对质量和交货期均敏感,设置两个维度的审核门槛能使平台获得更高利润;平台利润与双边用户交叉网络外部性、产能需求方对质量的敏感性正相关,与产能需求方对交货期的敏感性负相关;质量和交货期审核门槛受产能需求方对这两个维度的敏感性、双边用户网络外部性、平台审核成本系数相互作用影响。

价值网络视角下跨界整合对企业创新绩效的影响——组织柔性的中介效应

在数字经济背景下,跨界创新成为企业新的创新范式。跨界整合对于企业顺利实施跨界创新战略极为关键。现有研究关注跨界整合产生的影响,但对于企业如何在跨界整合过程中通过调整组织结构与惯例影响创新绩效的机制探讨不足。基于价值网络视角,以358家企业为研究对象,采用层次回归分析方法检验跨界整合对企业创新绩效的影响机制以及组织柔性的中介作用。研究发现:①跨界资源价值识取与跨界资源价值配用作为跨界整合的两个维度对企业创新绩效具有显著正向影响;②组织结构柔性和惯例更新在跨界整合与创新绩效之间发挥显著中介作用。厘清跨界整合不同维度对创新绩效的作用,验证“跨界整合—组织柔性—创新绩效”影响路径,可深化既有理论对跨界整合作用的认知,对于企业跨界创新战略实施具有重要指导意义。

基于结构功能交叉神经网络的多模态医学图像融合

针对多模态医学图像融合中存在纹理细节模糊和对比度低的问题,提出了一种结构功能交叉神经网络的多模态医学图像融合方法。首先,根据医学图像的结构信息和功能信息设计了结构功能交叉神经网络模型,不仅有效地提取解剖学和功能学医学图像的结构信息和功能信息,而且能够实现这两种信息之间的交互,从而很好地提取医学图像的纹理细节信息。其次,利用交叉网络通道和空间特征变化构造了一种新的注意力机制,通过不断调整结构信息和功能信息权重来融合图像,提高了融合图像的对比度和轮廓信息。最后,设计了一个从融合图像到源图像的分解过程,由于分解图像的质量直接取决于融合结果,因此分解过程可以使融合图像包含更多的细节信息。通过与近年来提出的7种高水平方法相比,本文方法的AG,EN,SF,MI,QAB/F和CC客观评价指标分别平均提高了22.87%,19.64%,23.02%,12.70%,6.79%,30.35%,说明本文方法能够获得纹理细节更清晰、对比度更好的融合结果,在主观视觉和客观指标上都优于其他对比算法。

基于DBN的风电机组变桨系统可靠性动态评估

为了对风电机组变桨系统的潜在风险进行可靠的动态预测,针对变桨系统部件种类多、系统复杂、故障特征提取困难的问题,文章首先对变桨系统故障点和故障传递过程进行归纳分析,建立故障树;然后将其转化为融合Leaky Noisy-Or节点的动态贝叶斯网络(DBN),保证了模型精度并具备了动态预测能力;最后采用5折交叉验证的方式对模型进行寻优并验证。测试结果表明,该方法在对变桨系统进行风险预测、故障致因分析、风险动态演化过程分析方面准确率较高,可指导变桨系统进行预防性维护,在保证风电机组整体安全方面具有工程应用价值。

跨界团队网络特征对其颠覆性创新绩效的影响研究

跨界团队在企业等创新主体开展颠覆性创新活动中发挥重要作用,而运用机器学习方法识别其网络特征与颠覆性创新绩效之间殊途同归的组态路径是一个亟待解决的重要问题。本文基于Incopat专利检索平台无人机领域139999条专利数据,采用社区发现算法在专利发明人合作关系数据中识别185个跨界团队,依据社会网络理论遴选跨界团队网络特征变量,利用k-means聚类算法对跨界团队进行类型划分,并运用决策树CART(classification and regression trees)算法挖掘不同类型跨界团队网络特征对其颠覆性创新绩效的影响。研究结果表明,①跨界团队共有二元合作、类完全合作和复杂合作3种合作类型,不同跨界团队类型对颠覆性创新绩效影响具有差异性,即类完全合作团队高颠覆性创新绩效占比最高,二元合作团队高颠覆性创新绩效占比最低;②合作强度具有普适性,它是影响不同跨界团队形成不同水平颠覆性创新绩效的核心因素;③合作强度正向影响二元合作团队颠覆性创新绩效,类完全合作团队的颠覆性创新绩效受聚集系数、合作强度与团队规模的共同影响,而对于合作强度较高的复杂合作团队而言,保持较低的网络密度有利于其提升颠覆性创新绩效。

跨线条件下城市轨道交通列车交路计划优化方法

跨线运营是城市轨道交通重点发展方向。针对跨线条件下列车交路计划编制问题,通过构造乘客出行时空网络图准确刻画复杂交路下的客流行为,建立以最小化列车走行公里与乘客出行时间成本为目标的混合整数规划模型。模型以列车交路方案、开行比例与频率为决策变量,并针对跨线交路与本线交路的行车冲突,考虑非等间隔发车,确定列车发车时刻。设计基于交路及开行频率搜索与运行间隔协调的定制分解算法。案例结果表明,列车跨线方向与乘客换乘主方向一致时,跨线交路可同时提升企业运营与乘客出行效益。换乘出行导致的断面客流量差异是跨线交路开行方案设置的主要依据。研究结论可为运营企业制定列车交路计划提供依据,有助于提高网络运输效率。

基于跨模态注意力融合的煤炭异物检测方法

为解决原煤智能化洗选过程中煤流中夹杂的异物对比度低、相互遮挡导致异物图像检测时特征提取不充分的问题,提出了一种基于跨模态注意力融合的煤炭异物检测方法。通过引入Depth图像构建RGB图像与Depth图像的双特征金字塔网络(DFPN),采用浅层的特征提取策略提取Depth图像的低级特征,用深度边缘与深度纹理等基础特征辅助RGB图像深层特征,以有效获得2种特征的互补信息,从而丰富异物特征的空间与边缘信息,提高检测精度;构建了基于坐标注意力与改进空间注意力的跨模态注意力融合模块(CAFM),以协同优化并融合RGB特征与Depth特征,增强网络对特征图中被遮挡异物可见部分的关注度,提高被遮挡异物检测精度;使用区域卷积神经网络(R-CNN)输出煤炭异物的分类、回归与分割结果。实验结果表明:在检测精度方面,该方法的AP相较两阶段模型中较优的Mask transfiner高3.9%;在检测效率方面,该方法的单帧检测时间为110.5 ms,能够满足异物检测实时性需求。基于跨模态注意力融合的煤炭异物检测方法能够以空间特征辅助色彩、形状与纹理等特征,准确识别煤炭异物之间及煤炭异物与输送带之间的差异,从而有效提高对复杂特征异物的检测精度,减少误检、漏检现象,实现复杂特征下煤炭异物的精确检测与像素级分割。

东西部协作和对口支援何以可能——基于新疆阿克苏市电商产业发展的案例分析

东西部协作和对口支援是解决我国区域性发展不平衡问题的重要手段。基于杭州帮扶阿克苏市乡村电商产业发展案例,在行动者网络理论基础上构建跨边界发展网络框架,以探求数字经济环境下东西部协作和对口支援的实践逻辑。研究发现,东西部协作和对口支援的实践逻辑表现为跨边界发展网络的构建,即通过主体融合、虚实融合、产业融合、点面融合的方式,打破组织边界、物理边界、产业边界和地理边界的束缚,实现施援方与受援方的良性互补,进而促进当地优势产业发展。

基于跨链技术的食品供需网信息共享激励模式构建

随着食品种类多元化和消费者需求的提升,食品生产流程更加复杂,供应链之间交流越来越多,相关企业、食品供应链和行业机构之间的交互形成了复杂的食品供需网结构。食品供需网成员之间信息共享有利于企业之间充分合作实现长期发展,但仍有许多企业共享信息意识较弱,无法进行有效信息沟通。区块链跨链技术的应用和发展,为食品供需网信息共享提供了新思路。根据食品供需网复杂性,引入区块链技术和声誉激励机制,将声誉进行量化管理,结合区块链智能合约技术实现声誉激励机制自动化。进一步引入区块链跨链技术,打破不同行业、地区区块链之间的交易壁垒,构建基于区块链跨链技术的食品供需网信息共享声誉激励模式,以猪肉供需网为例阐述跨链信息共享声誉激励流程。该激励模式不仅保障共享信息安全性与准确性,同时保护企业隐私,最大程度保护交易方自身利益,破解信息无法共享的障碍,激发食品供需网企业参与信息共享积极性。不仅实现食品供需网内部异构区块链之间的信息交流和价值互通,还为食品供需网价值信息交流互通的发展提供新思路。

细微粒度视域下国内外跨社交网络用户对齐研究综述

针对多源复杂网络用户管理所面临的冷启动、信息孤岛问题难以满足企业在不同社交网络中识别同一用户的困境,传统的仅使用单一维度特征提取源的跨社交网络用户对齐方法难以实现迅速、精准的用户识别,而使用细微粒度视域下的多维特征提取源可以有效耦合各类用户信息的优势以提升识别效率和精准度。论文首先以国内外跨社交网络用户对齐的相关文献为研究对象进行系统性分析,从细微粒度视域出发对文献主要内容进行汇总与梳理;然后逐一细化地对比分析以总结现有不同研究所采用的特征提取源之间的差异、优势和桎梏;最后从隐私数据集获取、多维数据集成和多源社交网络数据耦合3个方面来对未来用户对齐领域中的研究前沿方向与研究深入挖掘点作出展望。

智能汽车芯片产业如何实现突破式创新?--基于资源协奏理论的分阶段多案例研究

当前中国智能汽车芯片产业存在对外依存度高、国产化率低、高端产能不足以及外部技术封锁等问题,发展面临创新困境。智能汽车芯片产业具有复杂的网络结构,需要依托跨知识、跨网络的研究,改变知识要素的联系、推动跨界网络嵌入以突破核心技术,进而实现“卡脖子”芯片的国产替代和规模量产的突破。但是,在产业的不同发展阶段,企业面临差异化的目标导向和资源约束,需要基于产业发展变化去动态配置知识要素特征和跨界网络嵌入两类创新要素,以实现各阶段的突破式创新。因此,依据“要素—行动—结果”的内在逻辑,资源协奏理论能够揭示智能汽车芯片产业突破式创新的机理和演进,有助于破解创新困境。本文采用多案例研究方法,对智能汽车芯片产业20个企业的深度访谈和编码分析发现:在导入期、成长期和成熟期不同阶段分别对应差异化的目标导向和资源约束,通过动态配置知识要素特征和跨界网络嵌入,衍生出“资源建构、资源捆绑、资源撬动”三层递进的创新机理,从而在各阶段更高效实现“研发、产品、价值”的突破式创新。理论上,从资源协奏和产业演进视角,丰富了智能汽车芯片产业突破式创新的机理和演进研究;实践上,为加速“卡脖子”芯片的国产替代,推动中国智能汽车芯片产业自主创新提供启示。

跨域网络使用行为对工作家庭关系的影响——基于潜在剖面分析

基于资源保存理论,运用潜在剖面分析(latent profile analysis,LPA)方法,对742名员工的跨域网络使用行为进行了类别划分,并进一步分析了不同类别的跨域网络使用行为对工作家庭关系的影响差异.研究结果表明,跨域网络使用行为可分为3种,分别命名为回避型跨域网络使用行为、适度型跨域网络使用行为和活跃型跨域网络使用行为.其中,活跃型跨域网络使用行为员工的工作家庭关系水平最高;同时,与工作家庭冲突相比,跨域网络使用行为对工作家庭增益的影响更大.

基于社区与社交关系的跨网络身份匹配模型

跨社交网络身份匹配技术可以判断来自不同社交网络的账号是否属于同一个自然人。但社交网络拓扑结构复杂,数据庞大,因此匹配准确的同时节省计算资源与时间仍然是一个巨大的挑战。针对上述问题,提出基于社区结构与社交关系的跨社交网络身份匹配方法(IMCS)。IMCS利用社交结构与跨网络对齐的互动值向量进行用户表征,解决用户跨网络社交数据分布具有差异性的问题,并通过划分跨网络社区结构提出优先匹配机制,减少无效匹配次数并提高匹配的精度。基于真实社交网络数据集的实验结果表明,IMCS的表现优于对比算法,并在提升跨社交网络身份匹配准确率的同时降低无效匹配次数。

融合跨平台用户偏好与异质信息网络的推荐算法研究

[目的/意义]本文基于跨平台用户的异构大数据,提出一种融合跨平台用户偏好与异质信息网络的推荐算法(CPHAR),对于缓解个性化推荐的稀疏性和冷启动问题具有重要意义。[方法/过程]首先,根据跨平台用户信息构建核心兴趣朋友圈,使用卷积神经网络和自注意力机制捕捉用户在源平台和目标平台中的信息偏好特征;其次,根据核心兴趣网络以及推荐项目之间的关系构建异质信息网络,使用异质图注意力网络模型进行特征聚合;最后,将以上特征嵌入改进后的矩阵分解模型,计算推荐得分。[结果/结论]模型在自主构建的4个跨平台数据集中均表现出优越的性能,本文不仅弥补了推荐领域中跨平台多属性和细粒度数据集的空缺,而且通过引入跨平台特征进一步完善了推荐系统相关的理论与方法体系。

面向产业人才需求识别的多层职技网络构建研究

[目的/意义]传统职业分类体系作为观察劳动力市场的重要工具,难以及时反映产业人才需求的变化。为化解这一难题,文章聚焦探究如何利用数字化手段描绘职业与技能要求间的关系,建构多层职技网络的方法与实施路径。[方法/过程]首先,设计一套中文语境下描述不同岗位的通用语言——跨工作描述符,并据此建立起面向招聘数据资源开发利用的岗位描述框架;其次,建立基于岗位描述的职业智能分类技术,进而形成一套体现技能要求的多层职技网络构建方法与模式;最后,以上海集成电路产业为例,对该方法进行验证。[结果/结论]源自企业实际用工活动的多层职技网络能够辅助细粒度、灵活地观测多样化的产业人才需求。

水网格局下流域生态流量保障调度研究——以永定河流域为例

水利部2022年起部署实施母亲河复苏行动,以生态流量和水量为保障目标,生态流量管理模式也转向以水量、流量和过程等多样化生态保障为目标的新模式。生态用水需求的多样化,对流域生态用水总量、水利工程调蓄能力提出了更高要求。在保证永定河流域防洪、供水安全前提下,充分发挥跨流域调水对流域生态流量的补偿作用,提出了水网格局下江河流域生态流量保障调度框架,包括生态流量保障目标确定、考虑跨流域调水的生态流量保障调度方案制定、考虑跨流域调水的生态流量保障调度方案执行3个方面,以永定河为例,分析了流域生态流量保障调度实践及效果,提出以贯通“调算—优化—优选”全过程的生态调度决策方法,构建以生态效益最优、补水效率最高、补水费用最小为调度目标的多目标生态流量优化调度模型,可为我国北方水资源短缺流域开展生态流量保障调度提供参考。

基于Transformer生成对抗网络的跨模态哈希检索算法

考虑生成对抗网络在保持跨模态数据之间的流形结构的优势,并结合Transformer利用自注意力和无须使用卷积的优点,提出一种基于Transformer生成对抗网络的跨模态哈希检索算法。首先在ImageNet数据集上预训练Vision Transformer框架,并将其作为图像特征提取的主干网络,然后将不同模态的数据分割为共享特征和私有特征。接着,构建对抗学习模块减少不同模态的共享特征的分布距离与保持语义一致性,同时增大不同模态的私有特征分布距离与保持语义非一致性。最后将通用的特征表示映射为紧凑的哈希码,实现跨模态哈希检索。实验结果表明,在公共数据集上,所提算法优于对比算法。

基于m×2正则化交叉验证的神经网络超参数调优方法

超参数调优是神经网络建模的关键问题。针对传统的超参数调优方法存在的问题,该文提出了一种基于m×2正则化交叉验证的超参数调优方法。目的是给出一种适用于复杂模型、大数据集背景下的计算开销较小且稳健的超参数调优方法。该方法的思想是从完整的数据集上选取少部分数据进行调优,避免模型在数据集较大时非常耗时的超参数调优难题;在m×2交叉验证的基础上设置正则化条件均衡训练集与验证集之间的分布差异,从而减少分布不一致带来的性能波动;使用信噪比作为调优的优化目标,从而可以综合考虑模型性能评价指标的均值和方差;并采用正交设计选择相关性较低的超参数组合以提高调优效率。以命名实体任务为例进行实验,在CoNLL 2003数据集上的实验结果显示,提出的调优方法能够选到和网格搜索性能上没有显著差异的超参数组合,且调优时间可显著降低约66%。